Ultralytics YOLO11 ist da! Definiere neu, was in der KI möglich ist!

Wir freuen uns, die nächste Entwicklungsstufe der Ultralytics-Modelle vorzustellen: YOLO11! Aufbauend auf den beeindruckenden Fortschritten früherer YOLO-Modellversionen bringt YOLO11 eine Vielzahl leistungsstarker Funktionen und Optimierungen mit, die es schneller, präziser und unglaublich vielseitig machen. Angekündigt auf dem YOLO Vision 2024 (YV24) Event, dem jährlichen hybriden Treffen von KI-Experten, Innovatoren und Entwicklern von Ultralytics, ist diese neueste Ergänzung der Ultralytics-Familie bereit, die Möglichkeiten im Bereich Computer Vision neu zu definieren.

Mit seiner innovativen Architektur kann YOLO11 für verschiedene Computer-Vision-Aufgaben eingesetzt werden, von der Echtzeit-Objekterkennung bis zur Klassifizierung, was es zu einem Wendepunkt für Entwickler und Forscher gleichermaßen macht. Zu den wichtigsten Verbesserungen gehören eine verbesserte Merkmalsextraktion für eine präzisere Detailerfassung, eine höhere Genauigkeit bei weniger Parametern und schnellere Verarbeitungsgeschwindigkeiten, die die Echtzeitleistung erheblich steigern. In diesem Artikel werfen wir einen genaueren Blick auf die Funktionen, die YOLO11 auszeichnen, und darauf, wie es deine Computer-Vision-Anwendungen transformieren kann. Lass uns anfangen!

Abb. 1. Glenn Jocher auf der Bühne bei der Ankündigung von YOLO11 auf der YOLO Vision 24.

Link to this sectionLerne YOLO11 kennen#

YOLO11 schlägt ein neues Kapitel für die YOLO-Familie auf und bietet ein leistungsfähigeres und vielseitigeres Modell, das Computer Vision auf neue Höhen hebt. Mit seiner verfeinerten Architektur und erweiterten Fähigkeiten unterstützt das Modell Computer-Vision-Aufgaben wie Pose-Estimation und Instanz-Segmentierung, die die Vision-KI-Community an Ultralytics YOLOv8 so schätzt, jedoch mit noch besserer Leistung und Präzision. Glenn Jocher, Gründer und CEO von Ultralytics, teilte mit: „Mit YOLO11 wollten wir ein Modell entwickeln, das sowohl Leistung als auch Praktikabilität für reale Anwendungen bietet. Seine verbesserte Effizienz und Genauigkeit machen es zu einem robusten Werkzeug, das an die einzigartigen Herausforderungen verschiedener Branchen angepasst werden kann. Ich kann es kaum erwarten zu sehen, wie die Vision-KI-Community YOLO11 nutzt, um innovative Lösungen zu entwickeln und Computer Vision auf die nächste Stufe zu heben.“

Abb. 2. Glenn Jocher auf der Bühne bei der Ankündigung von YOLO11 auf der YV24.

Hier ist ein Einblick in die Computer-Vision-Aufgaben, die YOLO11 unterstützt:

• Objekterkennung: Identifiziert und lokalisiert Objekte in Bildern oder Videoframes und zeichnet Begrenzungsrahmen um sie herum, für Anwendungen wie Überwachung, autonomes Fahren und Einzelhandelsanalytik.
• Instanz-Segmentierung: Dabei werden einzelne Objekte in einem Bild bis auf Pixelebene identifiziert und voneinander getrennt. Dies ist nützlich für Anwendungen wie medizinische Bildgebung und Fehlererkennung in der Fertigung.
• Bildklassifizierung: Kategorisiert ganze Bilder in vordefinierte Klassen, was es ideal für Anwendungen wie Produktkategorisierung im E-Commerce oder Wildtierüberwachung macht.
• Pose Estimation: Erkennt spezifische Schlüsselpunkte in einem Bild oder Videoframework, um Bewegungen oder Posen zu verfolgen, was vorteilhaft für Fitness-Tracking, Sportanalytik und Gesundheitswesen-Anwendungen ist.
• Orientierte Objekterkennung (OBB): Erkennt Objekte mit einem Orientierungswinkel, was eine präzisere Lokalisierung von rotierten Objekten ermöglicht, was besonders wertvoll für Luftbildaufnahmen, Robotik und Lagerautomatisierung Aufgaben ist.
• Objektverfolgung: Überwacht und verfolgt die Bewegung von Objekten über aufeinanderfolgende Videoframes, was es für viele Echtzeitanwendungen unerlässlich macht.

Abb. 3. Computer-Vision-Aufgaben, die von YOLO11 unterstützt werden.

Link to this sectionWas zeichnet YOLO11 aus?#

YOLO11 baut auf den Fortschritten auf, die Anfang dieses Jahres mit YOLOv9 und YOLOv10 eingeführt wurden, und integriert verbesserte architektonische Designs, erweiterte Merkmalsextraktionstechniken und optimierte Trainingsmethoden. Was YOLO11 wirklich auszeichnet, ist seine beeindruckende Kombination aus Geschwindigkeit, Genauigkeit und Effizienz, was es zu einem der leistungsfähigsten Modelle macht, das Ultralytics bisher entwickelt hat. Mit einem verbesserten Design bietet YOLO11 eine bessere Merkmalsextraktion, bei der es sich um den Prozess der Identifizierung wichtiger Muster und Details aus Bildern handelt, wodurch es möglich wird, komplexe Aspekte genauer zu erfassen, selbst in schwierigen Szenarien.

Bemerkenswerterweise erreicht YOLO11m einen höheren mean Average Precision (mAP) Score auf dem COCO-Datensatz, während es 22% weniger Parameter als YOLOv8m verwendet, was es rechnerisch leichter macht, ohne an Leistung einzubüßen. Das bedeutet, dass es genauere Ergebnisse liefert und gleichzeitig effizienter ausgeführt werden kann. Darüber hinaus bietet YOLO11 schnellere Verarbeitungsgeschwindigkeiten mit Inferenzzeiten, die etwa 2% schneller als bei YOLOv10 sind, was es ideal für Echtzeitanwendungen macht.

Abb. 4. Verwendung von YOLO11 zur Objekterkennung.

Es wurde entwickelt, um komplexe Aufgaben zu bewältigen, ist dabei ressourcenschonender und darauf ausgelegt, die Leistung großer Modelle zu verbessern, was es zu einer hervorragenden Wahl für anspruchsvolle KI-Projekte macht. Verbesserungen an der Augmentations-Pipeline haben auch den Trainingsprozess verbessert, was es für YOLO11 einfacher macht, sich an verschiedene Aufgaben anzupassen, egal ob du an kleinen Projekten oder groß angelegten Anwendungen arbeitest.

Tatsächlich ist YOLO11 im Hinblick auf Rechenleistung hocheffizient und perfekt für den Einsatz sowohl in der Cloud als auch auf Edge-Geräten geeignet, was Flexibilität in verschiedenen Umgebungen gewährleistet. Einfach ausgedrückt: YOLO11 ist nicht nur ein Upgrade; es ist ein deutlich genaueres, effizienteres und flexibleres Modell, das besser gerüstet ist, um jede Computer-Vision-Herausforderung zu meistern. Ob autonomes Fahren, Überwachung, medizinische Bildgebung, Smart Retail oder industrielle Anwendungsfälle – YOLO11 ist vielseitig genug, um fast jede Computer-Vision-Anwendung zu bedienen.

Link to this sectionYOLO11 ist bereit für deine Systeme und Plattformen#

YOLO11 wurde entwickelt, um sich nahtlos in die Systeme und Plattformen zu integrieren, die du bereits verwendest. Aufbauend auf der Unterstützung durch YOLOv8 ist YOLO11 mit einer breiten Palette von Umgebungen für Training, Testen und Bereitstellung kompatibel. Egal, ob du mit NVIDIA GPUs, Edge-Geräten oder bei der Bereitstellung auf Cloud-Plattformen arbeitest, YOLO11 ist optimiert, um mühelos in deinen Workflow zu passen.

Diese Integrationen sind großartige Add-ons, die YOLO11 an verschiedene Branchen anpassbar machen und Unternehmen dabei helfen, das Modell problemlos in ihre bestehenden Prozesse zu implementieren. Nehmen wir zum Beispiel an, du möchtest YOLO11 für die Landwirtschaft verwenden, insbesondere für die Pflanzenüberwachung. Möglicherweise musst du das Modell auf Drohnen bereitstellen, um Pflanzengesundheitsprobleme in Echtzeit über große Felder hinweg zu identifizieren. Wenn du jedoch im Sicherheitsbereich tätig bist, bevorzugst du vielleicht die Verwendung von YOLO11 mit einem cloudbasierten System, um mehrere Kamera-Feeds für die Objekterkennung zu überwachen.

Abb. 5. Verwendung von YOLO11 in der Landwirtschaft.

Link to this sectionStärkung der KI-Community mit YOLO11#

Die Vision-KI-Community kann mit der Einführung von YOLO11 aufregende Fortschritte erwarten. Dank seiner verbesserten Genauigkeit und Effizienz hat dieses neue Modell das Potenzial, bestehende Anwendungen zu transformieren und neue zu schaffen. Ein wesentlicher Faktor bei diesem Fortschritt ist Ultralytics HUB. Ultralytics HUB ist eine benutzerfreundliche Plattform, die das Training und die Bereitstellung von YOLO-Modellen, einschließlich YOLO11, vereinfacht.

Abb. 6. Führe YOLO11-Inferenzen auf dem Ultralytics HUB aus.

Ultralytics HUB optimiert den Entwicklungsprozess, indem Benutzer Datensätze hochladen, auf eine Reihe vortrainierter Modelle zugreifen und ihre Projekte an einem Ort verwalten können. Der HUB unterstützt auch die Zusammenarbeit, wodurch es Teams leicht gemacht wird, gemeinsam an KI-Projekten zu arbeiten. Hier sind einige der weiteren Hauptfunktionen von Ultralytics HUB:

• Cloud-Training: Ultralytics HUB bietet nahtloses cloudbasiertes Modelltraining für Skalierbarkeit und Effizienz.
• Vortrainierte Modelle: Die Plattform bietet Zugriff auf eine Vielzahl vortrainierter YOLOv5-, YOLOv8- und YOLO11-Modelle.
• Modell-Export: Trainierte Modelle können in verschiedene Formate für die Bereitstellung exportiert werden.
• Integrationen: Ultralytics HUB lässt sich nahtlos in Plattformen wie Roboflow, Google Colab und Weights & Biases integrieren.
• Detaillierte Dokumentation: Ultralytics HUB bietet umfassende Anleitungen und FAQs für den Benutzersupport.
• Community-Support: Eine aktive Discord-Community steht für Fragen und Diskussionen zur Verfügung.

Mit dem intuitiven Design des HUBs können sowohl erfahrene Entwickler als auch Neulinge schnell loslegen. Wenn mehr Entwickler YOLO11 über den HUB nutzen, können wir uns auf einen Anstieg hochleistungsfähiger Anwendungen freuen, die die Grenzen von Computer Vision erweitern und die Zukunft der KI-Technologie prägen.

Link to this sectionWerde mit YOLO11 praktisch tätig#

Genau wie YOLOv8 wird YOLO11 bald über den Ultralytics HUB und das Ultralytics Python-Paket zum Ausprobieren verfügbar sein. Du kannst dich beim Ultralytics HUB anmelden oder dir unsere Schnellstartanleitung für Schritt-für-Schritt-Anweisungen zur Installation des Pakets ansehen. Sobald es veröffentlicht ist, wirst du in der Lage sein, seine Funktionen zu erkunden, mit verschiedenen Datensätzen zu experimentieren und zu sehen, wie YOLO11 in verschiedenen Szenarien abschneidet. Wir können es kaum erwarten zu sehen, wie sich die KI-Community mit YOLO11 auseinandersetzt, sei es durch Beiträge zu seiner Entwicklung, durch Feedback oder indem sie darauf aufbaut.

Egal, ob du als Entwickler bestehende Projekte optimieren möchtest oder daran interessiert bist, neue Anwendungen zu erstellen, deine Beteiligung kann dazu beitragen, Innovationen voranzutreiben. Nimm an Diskussionen teil, teile deine Erfahrungen und arbeite mit anderen zusammen, um das volle Potenzial von YOLO11 auszuschöpfen. Wir sind gespannt darauf, wie du YOLO11 nutzt, um reale Herausforderungen anzugehen und deine kreativen Ideen zum Leben zu erwecken!

Link to this sectionEin neues Kapitel beginnt mit YOLO11#

YOLO11 ist der nächste Schritt in der Computer Vision und kombiniert beeindruckende Genauigkeit, Geschwindigkeit und Effizienz. Die auf der YV24 angekündigten fortschrittlichen Funktionen machen es vielseitig für verschiedene Echtzeitanwendungen, von autonomen Fahrzeugen bis hin zu Smart-Retail-Lösungen. Während die KI-Community beginnt, dieses Modell zu erforschen und zu nutzen, freuen wir uns darauf zu sehen, auf welche kreativen Arten YOLO11 Innovationen vorantreiben und neue Möglichkeiten zum Leben erwecken wird. Wenn du die neuesten Fortschritte in der KI erkunden möchtest, probiere YOLO11 aus und schaue, wie es deine Computer-Vision-Projekte auf ein höheres Niveau heben kann!

Um mehr über KI zu erfahren, besuche unser GitHub-Repository und trete unserer aktiven Community bei. Entdecke, wie KI in Bereichen wie Gesundheitswesen und Landwirtschaft Fortschritte macht.